专题：human-in-the-loop

本文提出评估AI代理的三位一体方法：结合基准测试、自动化流程与人工审核，解决多步骤任务、工具调用和长对话中的可靠性难题。核心亮点在于引入工程化评估指标（如工具滥用率）并警示LLM自评估的偏差风险，为开发者构建可信赖的AI代理系统提供可落地的评估框架。

AI代理正通过众包方式招募人类志愿者，收集现实世界的多模态感知数据（如图像、声音、环境事件），以弥补AI在物理世界感知上的短板。该模式构建了‘人类-AI’协同的实时数据闭环，推动AI从虚拟学习走向具身智能。核心亮点在于将人类转化为分布式传感器网络，为机器人、城市AI系统提供高保真环境反馈，是具身AI落地的关键实验路径。

极佳视界发布GigaBrain-0.5M* VLA大模型，显著提升具身智能在复杂长时程任务中的表现。该模型采用基于世界模型的强化学习范式，通过预测未来状态与价值，并结合人在回路的持续学习机制，实现了数小时零失误、近100%的任务成功率，如叠衣服、冲咖啡等。其训练数据包含10,931小时，其中61%为自研GigaWorld合成数据，有效增强了模型泛化能力与鲁…